Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: warunkowa wartość zagrożona ryzykiem CVaR

Sortuj według:

Ogranicz wyniki do:

Optimal scheduling of Virtual Power Plant with risk management

Xia Y., Liu J.

Journal of Power Technologies

2016

Vol. 96, nr 1

49--56

Due to intense electricity consumption, environmental concerns and technological development, a great number of renewable distributed resources have been widely installed in the distributed network. However, the reality that renewable distributed resources frequently fluctuate under high penetration makes effective use a challenge. Fortunately, with improved communication architecture and control techniques, this could be achieved by a Virtual Power Plant (VPP). VPP can aggregate various resources in a distributed generation portfolio, by creating one single operating profile. The aim of this paper is mainly to analyze optimal scheduling of VPP to maximize its profit, with due consideration given to the uncertainty of renewable energy output, such as wind power, and to make the energy mix respond to system need. A risk quantization method (CVaR) is introduced to deal with uncertainty. This paper presents a VPP scheduling model, which takes VPP total operation cost, traded electricity cost, unit earnings, supply-demand balancing and other constraints into account, with a CVaR assessment method embedded into this model. According to the scenarios generated by uncertainty of wind power output, numerical results for a proposed case are discussed. These results show the expected profit of VPP scheduling is closely associated with different degrees of confidence , which is a great help for VPP operators when making the tradeoff between risk and profit.

On measuring sensitivity of the optimal portfolio allocation

Konarzewska I.

Badania Operacyjne i Decyzje

2008

nr 2

55-73

In this paper we consider the sensitivity problem connected with portfolio optimization results when different measures of risk such as: portfolio rates of return standard deviation, portfolio VaR, CVaR are minimized. Conditioning the data (represented by spectral condition index of the rates of return correlation matrix) plays, as it is shown, crucial role in describing the properties of the optimization model when portfolio variance is minimized. Quadratic programming problem becomes ill-conditioned and there is a problem of alternate optima which can be located far from each other taking into account the optimal portfolio structure. Minimizing CVaR when the data are interdependent we can identify many distant structures with similar values of minimal risk although global minimum exists. Strong interdependence of series of the rates of return enlarges problem of identifying portfolio structure minimizing VaR – the surface which is always rough with many local extrema becomes much more difficult to analyze with heuristic search methods. We report on the research carried out for 13 largest firms on theWarsaw Stock Exchange. We have found that series of rates of return on the real stock exchange market are strongly interdependent. We illustrate how much this fact influences the sensitivity of optimal portfolio structure when two different measures of risk are taken into account – portfolio variance and CVaR. The question is how much the structures differ when we change the assumptions of model parameters. We propose two measures of distance between vectors of portfolio weights: angular distance and scaled Euclidean distance. Minimum variance portfolios were not sensitive on even not so small changes in data matrices. Minimum CVaR portfolios exhibited more visible sensitivity on changes in data series.

W artykule podjęto rozważania na temat wrażliwości rozwiązań problemu optymalizacji portfeli akcji, gdy brane są pod uwagę różne miary ryzyka: odchylenie standardowe stóp zwrotu, VaR portfela, CVaR portfela. Uwarunkowanie danych, mierzone za pomocą stopnia uwarunkowania macierzy korelacji stóp zwrotu z akcji, odgrywa, jak pokazano, zasadniczą rolę dla własności rozwiązań modelu minimalizacji wariancji portfela. Model, który jest modelem programowania kwadratowego, jest źle uwarunkowany i pojawia się problem niejednoznaczności rozwiązania optymalnego – wielu strukturom portfeli, nawet bardzo odległym, odpowiada podobna, bliska minimalnej wartości wariancji. Minimalizując CVaR w warunkach współzależności, napotykamy na podobny problem, choć nie występuje on z taką samą siłą. Silna współzależność szeregów stóp zwrotu zwiększa również problemy minimalizacji VaR – nasila się problem występowania wielu lokalnych ekstremów, co powoduje znaczne trudności w stosowaniumetod heurystycznych. Przeprowadzono badanie empiryczne, biorące pod uwagę 13 największych spółek na GPW w Warszawie. Stwierdzono silną współzależność stóp zwrotu. Zbadano siłę wrażliwości rozwiązań modeli minimalizujących wariancję i CVaR z wykorzystaniem miary odległości kątowej oraz skalowanej odległości euklidesowej. W efekcie badań stwierdzono, że portfele znalezione przy kryterium minimalizacji wariancji nie wykazały dużej wrażliwości na zmiany w macierzy danych. Portfele minimalizujące CVaR okazały się bardziej wrażliwe.